Glean 拾遗
最近收录

6 条 · 按时间

11-11

Claude Fable 5.2 提示词迁移手册:effort 档位、早停与子代理收敛

Anthropic 为 Claude Fable 5.2 写的提示词迁移手册,按「你观察到什么现象」组织,逐条给出对策。核心判断:能力增益大部分已在高 effort 档位兑现,medium 到 high 是主要台阶,high 以上收益不均且依赖任务;effort 必须和 prompt 一起重跑 eval,不能沿用 Fable 5.1 或 Opus 5.5 上调好的档位。文档给出若干内部测试数字:加入「完成任务」提示后,带可做工作却结束的会话约减半,输出 token 涨约 30%;在 system prompt 声明代码归模型所有,重复代码合并率从不足十分之一升到约一半,代价是 1.5 倍输出 token 和六到十次里有一次改变既有行为,且收尾摘要常漏掉小改动。另有子代理工具描述里写清成本可让委派减少约三分之一、progress-update thinking block 在 display 为 omitted 时文本为空、preserved thinking 下编辑历史前缀会作废 thinking 块,以及 stop_reason 为 refusal 时的分类与重试路径。适合正在迁移 agent harness、维护长 system prompt 与 memory 文件的一线工程师。

platform.claude.com · 22 min · Agent Harness · Agentic Coding · Claude
11-10

Claude 模型怎么选:先调 effort,再换档位

Anthropic 官方的模型选择指南:多数编码与知识工作从 Opus 5.5 的 medium effort 起步,范围明确的任务降到 Sonnet 5.5,分类、路由、抽取交给 Haiku 5.5,重大重构与前沿研究才上 Fable 5.2。核心主张是先调 effort 再换模型——同一模型升档未必比换小模型便宜,升到 xhigh 后单价可能已追平更大的模型。文中给出具体数字:Terminal-Bench 3.0 上 Opus 5.5 high 用一半 token 拿到 58.9%;FrontierCode 2.0 上 Fable 5.2 high 与 Opus 5.5 max 基本打平(45.3% vs 45.5%)而每题成本约为一半;SWE-bench Pro 上全部用 low 跑、只把失败项重跑 high,$0.17/题 拿到约 97% 通过率,对比全量 high 的 $0.29/题、95.3%。另附迁移兼容清单(thinking 不可关闭、tool_choice 会返回 400、Haiku 4.5 的 budget_tokens 需换成 effort)和 subagent 定义样例。适合在 Claude 平台上搭 agent 或估算 token 成本的一线工程师。

claude.dev · 20 min · Claude · Cost Optimization · LLM
09-29

Claude Sonnet 5.5 发布:Terminal-Bench 4.0 从 10.3% 跳到 70.6%

Anthropic 发布 Claude 5.5 家族的第二款模型 Sonnet 5.5,定位为 Opus 5.5 更快、更便宜的补充:输出速度提升 30% 以上,同一任务成本最多降低 30%。在 agentic coding 评测 Terminal-Bench 4.0 上,Sonnet 5.5 得 70.6%,而 Sonnet 5 只有 10.3%;FrontierCode、CursorBench、GDPval-AA、OSWorld 2.1 等评测同样提升,部分项目已接近 Opus 5.5。定价与 Sonnet 5 持平(输入 $2、输出 $10 / 每百万 token,缓存读取 $0.20),但完成同一任务所需 token 更少。这也是首个带网络安全防护与降级的 Sonnet 模型:高风险 cyber 请求会回退到 Sonnet 5,并首次加入阻止推理提取的蒸馏分类器和 preserved thinking。适合关注模型选型与 agent 编码成本的工程师。

www.anthropic.com · 10 min · Agentic Coding · Ai Safety · Anthropic
09-23

Claude Opus 5.5 发布:成本降四成,对齐审计得分居首

Anthropic 发布 Claude 5.5 家族首个模型 Opus 5.5,官方称其在多数工作上达到 Claude Fable 5.1 的水平,服务成本比 Opus 5 低 40%。每百万 token 输入 $4、输出 $20,缓存读取降至 $0.20(降幅 60%),默认设置下典型负载成本下降四成,输出速度提升 30% 以上。在近 2000 个模拟场景的自动化行为审计中取得迄今最高分,越界与越狱行为少于前代;因生物与网络安全能力接近 Fable 5.1,采用同类 safeguard——多数网络安全任务回退至 Opus 4.8,并引入 preserved thinking 反蒸馏机制。性能表格附有标准误差与第三方评测来源,Anthropic 也承认在该能力区间上 benchmark 分差已不足以反映真实差异。适合评估模型选型、agent 成本与部署合规的工程团队。

www.anthropic.com · 23 min · Ai Safety · Anthropic · Claude
09-20

380 亿美元基金的模型评测与 Agent 治理:Balyasny 访谈

Anthropic 与 Balyasny Asset Management(BAM)首席 AI 官 Charlie Flanagan 的访谈,记录这家管理约 380 亿美元资产的机构如何把前沿模型接入生产。BAM 用数千条有可验证答案的真实金融任务(股票、宏观、大宗商品)做评测,既测模型单体表现,也测它在自建 agentic 环境中的表现。相关子集上 Fable 5 得 89.4%,上一代生产模型 86.1%;有一组经济学题此前没有任何模型通过,团队先怀疑评测本身出错,独立复核任务与评分逻辑后才确认提升为真。并购套利分析由 3-5 天缩短到 1 天以内,agent 单次运行约 30 分钟,实质输出前仍需人工复核。安全被当作产品与运营模型问题:已批准的数据边界、最小权限、工具级授权、日志与人工审批;模型更强不会自动获得更大权限。自建 BAMAgent 平台已承载数千个 7×24 agent。适合关注企业级模型评测、agent 治理与部署的工程师,需注意全文出自厂商客户访谈。

claude.com · 8 min · Agent Evaluation · Agent Harness · Agent Infrastructure
07-08

Claude Agent 持久记忆搭建:从基础到自改进的12步指南

本文总结了为 Claude Agent 添加持久记忆的完整方案,覆盖四层架构:Claude 内置 Chat Memory、Project 持久指令、memory.md 文件记忆以及 Dreaming(自改进记忆)。作者指出 Agent 无记忆的本质缺陷,然后逐步演示如何利用 Project 固定指令、用 CLAUDE.md 或 memory.md 文件存储关键信息,并通过 Anthropic 的 Dreaming 研究预览实现自动记忆整合与优化。文中包含具体操作步骤、代码示例(如 /memory 命令、Dream API 调用)以及 Harvey 公司的实证数据(任务完成率提升约6倍)。适合希望让 AI Agent 跨会话持续学习、避免重复错误的工程师。

x.com · 12 min · Agent Engineering · Ai-Memory · Claude